基于自注意力机制的网络流量异常检测方法

网络中异常流量的有效检测对网络安全至关重要.以机器学习方法为主的异常流量检测技术,对流量数据采用特征选择方法进行降维并提取最优特征,但容易忽略数据特征之间的关联性,存在异常流量的检测率低、误报率高等问题.为了提高异常流量检测性能,论文在提取流量数据特征的过程中引入自注意力机制进行相关性学习,并结合深度卷积神经网络提出一种有效的网络流量异常检测模型.实验结果表明:通过引入自注意力机制,论文所提出的检测方法能够提取更准确的流量特征,并使得异常流量检测率高、误报率低.

浅析新能源汽车数据架构及电池管理系统的通信方法

新能源汽车系统通信架构的变革是智能网联汽车进一步发展的必经之路。新能源车企为汽车行业带来新的开发理念和技术,向用户提供更加个性化和智能化的服务,基础是全车电子电气架构的数字化。而新能源汽车数字化电气架构的体系来源于各类通信方法,解决了不同系统之间的通信问题。